Visual recalibration of auditory spatial perception: two separate neural circuits for perceptual learning
Notice bibliographique
Résumé
A remarkable example of rapid perceptual learning is the visual recalibration of auditory spatial perception, which can result in either a bias (ventriloquism after-effect) or an improvement (multisensory enhancement) in auditory localization. Here, we examine the possibility that these after-effects might depend on two distinct neural pathways (geniculostriate vs. collicular-extrastriate). To this end, patients with a lesion of the striate cortex (hemianopic patients) or temporoparietal cortex (neglect patients) were asked to localize weak sounds, before and after a brief exposure to repetitive auditory-visual stimulation which was given either in the normal or in the affected field. Adaptation comprised spatially disparate (Experiment 1) or spatially coincident (Experiment 2) auditory-visual stimuli. After exposure to spatially disparate stimuli in the normal field, all patients exhibited the usual shifts toward the visual attractor, at each sound location. In contrast, when the same kind of adaptation was given in the affected field, a consistent shift was still evident in neglect patients but not in patients with hemianopia. After adaptation to spatially coincident stimuli, and regardless of the adaptation hemifield, all patients exhibited a significant improvement in auditory localization, which was largest for sounds presented at the adapted location. The findings suggest the presence of two distinct recalibration mechanisms. Adapting to spatially conflicting stimuli invokes a corrective mechanism implemented within the geniculostriate circuit, which tries to reduce the registered discrepancy. Adapting to spatially aligned inputs invokes a mechanism implemented along a collicular-extrastriate circuit, which tries to reduce the localization error.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».